DMBOK：元数据管理

本文更新版本已挪至   http://www.zhoujingen.cn/blog/4178.html

--------------------------------

      BI的成功运用深度依赖于有效的元数据管理，通常被称作"关于数据的数据"。元数据为所有BI系统的数据充当路标，从而能够对这些数据迚行高效地管理、控制发更和分发。全面的元数据管理保证了BI系统具有高质量的信息，并提供充分的扩展性，能满足新的信息需求和数据源增加。元数据实施也是信息集成中的一部分，最重要的工作是将存储在各种工具中的元数据进行整合。元数据管理是数据管理框架的第九个数据管理功能，本篇将介绍一下这个功能。

DMBOK的元数据管理

什么是元数据？

　　元数据通帯被称作"关于数据的数据"，即用于描述其它数据的数据。对于数据可以通过多种方式进行解释，例如

 　　当我们说元数据是"关于数据的数据"时，我们需要确保所讨论的是数据的背景，而不是有关数据的详细细节或相关数据。元数据描述的是数据的背景、内容、数据结构及其生命周期管理。简而言之，元数据是"数据的背景"。

　　元数据管理全景包括三个部分内容：1.元数据模型 2.元数据拓扑结构 3.元数据管理方法论

元数据模型

    元数据是BI架构中的一个重要组件。在BI环境中，元数据管理最主要是能方便地集成不同数据库、数据模型、OLAP 和ETL工具所包含的各式各样的元数据。元数据包括业务规则、数据源、汇总级别、数据别名、数据转换规则、技术配置、数据访问权限、数据用途等。设计良好的元数据模型能够提高管理、变更控制和分发元数据的效率，实现无缝的、端到端的跟踪回溯能力。

下面举个例子，如果"102250Richard King"是数据，下面则是元数据：

• 员工代码类型为 Number（6）——这告诉我们该数据中首 6 位字符是数字类型，代表员工代码；
• 员工姓名类型为 Varchar（30）——这告诉我们后面的 30 位字符是发长字符类型，表示员工姓名。

这些元数据可以迚一步抽象为元-元数据（Meta-Metadata），表示元数据的背景。

企业数据模型

BI元数据模型

在 BI 层面， IT/技术元数据被分为两类，被称为：BI 技术元数据、数据源元数据

• 顶层 (领域或概念层)

在最顶层，业务的主题域可以直接运用于BI技术元数据的报表和分析，继而被映射到数据源元数据反映的源系统中。

• 中层 (实体层)

业务实体连接到技术实体，如数据表，立方体和报表等，它们从可用的源表或数据表单直接获取信息。

• 底层 (元素层)

最细节的元数据存在于数据元素层。业务元数据中的业务术语映射到技术元数据的对应层，包括数据表、报表及多维立方体的维度/度量。业务用户广泛使用这层元数据。

BI技术元数据

BI 技术元数据包含了 BI 环境中丌同层级的所有元数据，迚一步可以细分为三个类型：

• 信息整合 – ETL(数据抽取，转换和装载)元数据
• 信息存储 – 数据仓库元数据
• 信息发布 – 报表元数据

BIDS元数据管理方法论

一个定义良好的元数据管理产品应该保证信息的高质量，同时能够灵活地扩展BI系统新的数据需求和数据源。BIDS作为元数据管理的解决方案之一，提供了一套方法论Business Intelligence for Decision Support (BIDS™)，该方法论由6个模块组成，如下图：

元数据框架定义

元数据管理主要目的在于基于灵活、健壮的架构实现元数据的标准化、集中化。框架定义涉及分析元数据的当前状态、处理过程，并为元数据管理系统提供一个开发蓝图，主要从长远目标、具体目的和高层需求三个方面来描述：

1. 长远目标|
   元数据管理系统的总体目标如下：
   • 标准化的元数据和数据处理
   • 元数据管理的集中化
   • 元数据信息去重
   • 适应变化的元数据架构
2. 具体目的
   元数据管理系统的目的如下：
   • 制定元数据及数据标准化
   • 集中化 BI 系统的管理和应用
   • 通过非冗余、非重复的元数据信息提高数据完整性、准确性
   • 减少BI系统组件开发、实现、完善及维护的代价
   • 建立灵活的元数据架构，使BI架构顺应变化
3. 高层需求
   元数据创建及管理的高层需求可以通过下表中的内容来加以理解。

序号	需求
1．	元数据标准化
1.1	企业内统一术语及沟通标准： 使用元数据作为用户的唯一根据，确保所有用户使用一致的名词进行沟通、理解，以及解释业务问题。同时可以消除歧义，保证企业内信息一致性，便于知识和经验的共享。
1.2	无缝系统集成： ETL过程，尤其是集成过程，依赖与多种多样的数据源和BI系统。标准化的元数据使得不同源系统的数据集成到BI系统时，数据元素的含义是统一的；此外，只有通过标准方法共享元数据的工具或应用程序才允许被集成到BI系统。
1.3	数据质量提升： 定义数据质量校验规则，是ETL元数据的有机组成部分。
2	元数据集中化
2.1	提升分析及与BI系统的交互： 分析涵盖一系列技术手段，包括从简单的报表查询，到OLAP分析，甚至复杂的数据挖掘，用户在很大程度上通过元数据层与这些技术进行交互，所有这些分析都需要由元数据驱动。元数据需向用户提供集中化的信息，诸如数据含义、名词术语和业务概念，以及他们和数据之间的关系。因此元数据可以支持准确而直观的查询，降低用户访问、评估、使用相关信息的代价。
2.2	数据完整性和准确性： 集中化的元数据应该是非冗余、非重复的。此外，数据的回溯性及一致性对高数据质量是很关键的。ETL过程需通过捕获数据继承（如：源、调度信息、时间戳等）来管理元数据回溯性，通过诸如checksum这样的方法来管理一致性。集中化所有这些信息，有助于及时地解决数据整合问题，及更好的管理数据的正确性。
3	降低BI系统管理代价
3.1	支持新应用开发： 元数据提供数据含义、结构和来源的相关信息，这有助于需求收集和设计阶段的产出控制，也能保证应用开发过程的可靠性。
3.2	自动化管理过程： 元数据应当驱动多种DW过程（如ETL、批处理报表），有关过程执行的信息（日志、DW 数据加载状态等）也应存储在资料库中，被管理员轻松访问。这些元数据驱动的过程能够实现BI管理自动化、减少人工干预，从而降低BI系统维护量。
3.3	周密的安全机制： 为了提供周密的安全机制，应该在元数据层管理ACL和用户信息。需要设计用户角色来控制不同部门、不同地域的用户对不同粒度的数据进行访问的权限，并通过审计跟踪过程对数据访问进行安全检测。
4	灵活的元数据架构
	元数据的扩展性与适应性： 为了适应变化，元数据必须是可扩展的。如，频繁变化的语义层，应当独立于应用程序，存储在元数据中，一方面保证系统扩展的灵活性，另一方面，可以很轻易的添加新的元数据对象。而且，通用元数据模型还提供了大量的代码片段的可重用性。

　　此外，还有必要从产品和项目两个层面创建元数据管理团队，包括元数据管理员、协调员、数据分析员及DBA等角色。一旦该团队组建完成，通过跟业务和技术受益者的认识，就确立了高层元数据需求。

规格描述

　　框架定义阶段完成后，下一步就是描述元数据规格，主要包括以下活动和子活动：

• 元数据现状清单：建立元数据清单，包括：功能性信息需求、数据模型、进程模型、数据字典、业务术语字典、已有元数据环境、系统文档等

• 元数据需求

  • 遵循的行业标准

  • 元数据模型需求：命名规范、结构、元素及关联关系

  • 元数据接口需求：元数据资料库及其内容，桥接器、所有者、系统访问、元数据血缘关系

  • 元数据系统需求

  • 元数据报表需求

  • 安全需求

  • 变更管理需求

  • 培训需求

  • 治理需求

详细设计

设计阶段包括确定以下内容：

• 元数据标准
  • 开发数据元标准
  • 数据元标准的技术性及跨功能性复查
  • 建立数据元设计规则及命名规范
• 接入接口机制
  • 元数据获取API及桥接器
• DW元数据模式
  • 元数据分类维度
  • 使用元数据维度设计元数据模型
  • 数据元定义过程
  • 配置管理
• 协同（元数据发布）机制
  • 文件交换
  • 资料库API
  • 元数据服务
• 元数据同步机制
  • 联合度
  • 复制控制和更新传播
  • 共享资料库下的复制控制

元数据管理成熟度发展阶段

参考

• The DAMA Guide to the Data Management Body of Knowledge
• 信息集成：元数据管理全景